El Portal de las Tecnologías para la Innovación

Categoría: Inteligencia Artificial en la Salud Humana

Buscá noticias

Seleccioná una categoría

El robot de cuidado de ancianos ayuda a las personas a sentarse y ponerse de pie, y las atrapa si se caen.

El nuevo diseño podría ayudar a las personas mayores a medida que envejecen en casa. La población de Estados Unidos es más vieja que nunca. Hoy, la edad promedio del país es de 38,9 años, casi una década mayor que en 1980. Y se prevé que el número de adultos mayores de 65 años aumente de 58 millones a 82 millones para 2050. El desafío de cuidar a las personas mayores, en un contexto de escasez de cuidadores, el aumento de los costos de la atención médica y la evolución de las estructuras familiares, es un problema social cada vez más urgente. Para abordar el reto del cuidado de las personas mayores, un equipo de ingenieros del MIT está recurriendo a la robótica. Han construido y probado el Robot de Asistencia Corporal para Personas Mayores (E-BAR), un robot móvil diseñado para brindar apoyo físico a las personas mayores y evitar que se caigan al desplazarse por sus hogares. E-BAR actúa como un conjunto de manubrios robóticos que siguen a una persona por detrás. El usuario puede caminar de forma independiente o apoyarse en los brazos del robot. El robot puede soportar todo el peso de la persona, levantándola de una posición sentada a una de pie y viceversa siguiendo una trayectoria natural. Además, los brazos del robot pueden atraparla inflando rápidamente los airbags laterales si comienza a caer. Con su diseño, los investigadores esperan prevenir las caídas, que hoy en día son la principal causa de lesiones en adultos de 65 años o más.  “Muchos adultos mayores subestiman el riesgo de caídas y se niegan a usar ayudas físicas, que son engorrosas, mientras que otros sobreestiman el riesgo y podrían no hacer ejercicio, lo que conlleva una disminución de la movilidad”, afirma Harry Asada, profesor de Ingeniería Ford en el MIT. “Nuestro concepto de diseño consiste en proporcionar a los adultos mayores con problemas de equilibrio manubrios robóticos para estabilizar su cuerpo. Los manubrios se pueden colocar en cualquier lugar y brindan apoyo en cualquier momento y lugar”. En su versión actual, el robot se opera por control remoto. En futuras versiones, el equipo planea automatizar gran parte de su funcionalidad, permitiéndole seguir y asistir físicamente al usuario de forma autónoma. Los investigadores también están trabajando en optimizar el dispositivo para hacerlo más delgado y maniobrable en espacios reducidos. “Creo que el cuidado de personas mayores es el próximo gran reto”, afirma Roberto Bolli, diseñador de E-BAR y estudiante de posgrado del Departamento de Ingeniería Mecánica del MIT. “Todas las tendencias demográficas apuntan a una escasez de cuidadores, un excedente de personas mayores y un fuerte deseo de que las personas mayores envejezcan en casa. Lo vemos como una frontera inexplorada en Estados Unidos, pero también como un reto intrínsecamente interesante para la robótica”. Bolli y Asada presentarán un artículo que detalla el diseño de E-BAR en la Conferencia IEEE sobre Robótica y Automatización (ICRA) a finales de este mes. https://youtube.com/watch?v=DlT6vHx4Dz4%3Fenablejsapi%3D1%26origin%3Dhttps%253A%252F%252Fnews.mit.edu El grupo de Asada en el MIT desarrolla diversas tecnologías y asistentes robóticos para asistir a las personas mayores. En los últimos años, otros han desarrollado algoritmos de predicción de caídas, diseñado robots y dispositivos automatizados, incluyendo andadores robóticos, bolsas de aire portátiles autoinflables y estructuras robóticas que sujetan a la persona con un arnés y se mueven con ella al caminar. Al diseñar E-BAR, Asada y Bolli buscaron un robot que realizara básicamente tres tareas: proporcionar soporte físico, prevenir caídas y moverse de forma segura y discreta junto con una persona. Además, buscaron eliminar cualquier arnés para brindar al usuario mayor independencia y movilidad. “A la mayoría de las personas mayores no les gusta usar arneses ni dispositivos de asistencia”, dice Bolli. “La idea detrás de la estructura E-BAR es que proporciona soporte para el peso corporal, asistencia activa para la marcha y protección contra caídas, a la vez que ofrece una vista frontal completamente despejada. Puedes salir en cualquier momento”. El equipo buscó diseñar un robot específicamente para el envejecimiento en casa o para ayudar en centros de atención. A partir de entrevistas con adultos mayores y sus cuidadores, establecieron varios requisitos de diseño, entre ellos que el robot debía pasar por las puertas de la casa, permitir al usuario dar una zancada completa y soportar todo su peso para facilitar el equilibrio, la postura y la transición de estar sentado a estar de pie. El robot consta de una base pesada de 100 kg, cuyas dimensiones y estructura fueron optimizadas para soportar el peso de una persona promedio sin volcarse ni resbalarse. Debajo de la base hay un juego de ruedas omnidireccionales que le permiten moverse en cualquier dirección sin pivotar, si es necesario. (Imagine las ruedas de un coche desplazándose para deslizarse entre dos coches, sin tener que aparcar en paralelo). De la base del robot se extiende un cuerpo articulado compuesto por 18 barras interconectadas, o enlaces, que se reconfiguran como una grúa plegable para levantar a una persona de la posición sentada a la de pie, y viceversa. Dos brazos con manillares se extienden desde el robot en forma de U, entre los cuales una persona puede apoyarse y apoyarse si necesita apoyo adicional. Finalmente, cada brazo del robot incorpora bolsas de aire fabricadas con un material suave pero fácil de agarrar, que se inflan instantáneamente para sujetar a una persona en caso de caída, sin causar hematomas en el impacto. Los investigadores creen que E-BAR es el primer robot capaz de sujetar a una persona que cae sin dispositivos portátiles ni arnés. Probaron el robot en el laboratorio con un adulto mayor que se ofreció como voluntario para usarlo en diversas situaciones domésticas. El equipo descubrió que E-BAR podía ayudar activamente a la persona mientras se agachaba para recoger algo del suelo y se estiraba para alcanzar un objeto de un estante, tareas que pueden ser difíciles de realizar manteniendo el equilibrio. El robot también pudo levantar a la persona por encima del borde de una bañera, simulando la tarea de

Leer más »
mayo 14, 2025

La mano robótica mueve objetos con agarres similares a los humanos

Una mano robótica desarrollada en la EPFL puede recoger 24 objetos diferentes con movimientos similares a los humanos que surgen de forma espontánea, gracias a materiales y estructuras flexibles, en lugar de programación. Al extender la mano para agarrar un objeto, como una botella, generalmente no se necesita conocer su posición exacta en el espacio para cogerla con éxito. Pero, como explica el investigador de la EPFL Kai Junge, si se quiere crear un robot capaz de coger una botella, es necesario conocer con gran precisión todo el entorno. “Como humanos, no necesitamos mucha información externa para agarrar un objeto, y creemos que esto se debe a las interacciones flexibles que se producen en la interfaz entre un objeto y una mano humana”, afirma Junge, estudiante de doctorado del Laboratorio de Diseño y Fabricación de Robots Computacionales ( CREATE ) de la Escuela de Ingeniería, dirigido por Josie Hughes. “Esta flexibilidad es lo que nos interesa explorar para los robots”. En robótica, los materiales flexibles son aquellos que se deforman, doblan y aplastan. En el caso de la mano robótica ADAPT (Rigidez Programable Antropomórfica, Diestra y Adaptativa) del Laboratorio CREATE, los materiales flexibles son relativamente simples: tiras de silicona envueltas alrededor de una muñeca y dedos mecánicos, además de articulaciones con resortes, combinadas con un brazo robótico flexible. Pero esta flexibilidad estratégicamente distribuida es lo que permite al dispositivo agarrar una amplia variedad de objetos mediante agarres autoorganizados que surgen automáticamente, en lugar de estar programados. En una serie de experimentos, la mano ADAPT, que puede controlarse remotamente, logró recoger 24 objetos con una tasa de éxito del 93 %, utilizando agarres autoorganizados que imitaron el agarre humano natural con una similitud directa del 68 %. La investigación se publicó en Nature Communications Engineering . Inteligencia robótica ‘de abajo hacia arriba’ Mientras que una mano robótica tradicional necesitaría un motor para accionar cada articulación, la mano ADAPT solo cuenta con 12 motores, alojados en la muñeca, para sus 20 articulaciones. El resto del control mecánico se realiza mediante resortes, que pueden endurecerse o aflojarse para ajustar la flexibilidad de la mano, y mediante la «piel» de silicona, que también puede añadirse o retirarse. En cuanto al software, la mano ADAPT está programada para moverse a través de tan solo cuatro puntos de referencia generales, o posiciones, para levantar un objeto. Cualquier adaptación adicional necesaria para completar la tarea se produce sin programación ni retroalimentación adicional; en robótica, esto se denomina control de bucle abierto. Por ejemplo, cuando el equipo programó el robot para utilizar un movimiento determinado, este pudo adaptar su postura de agarre a diversos objetos, desde un simple tornillo hasta un plátano. Los investigadores analizaron esta extrema robustez —gracias a la flexibilidad distribuida espacialmente del robot— con más de 300 agarres y los compararon con una versión rígida de la mano. Nos interesa explotar la inteligencia mecánica distribuida de diferentes partes del cuerpo, como la piel, los músculos y las articulaciones, en oposición a la inteligencia de arriba hacia abajo del cerebro.Kai Junge, Laboratorio CREATE “Desarrollar robots que puedan realizar interacciones o tareas que los humanos realizan automáticamente es mucho más difícil de lo que la mayoría de la gente cree”, afirma Junge. “Por eso nos interesa explotar esta inteligencia mecánica distribuida de diferentes partes del cuerpo, como la piel, los músculos y las articulaciones, en contraposición a la inteligencia descendente del cerebro”. Equilibrio entre cumplimiento y control Junge enfatiza que el objetivo del estudio ADAPT no fue necesariamente crear una mano robótica que pudiera agarrar como un humano, sino mostrar por primera vez cuánto puede lograr un robot solo con obediencia. Tras demostrar esto sistemáticamente, el equipo de la EPFL está aprovechando el potencial de la conformidad al reintegrar elementos del control de bucle cerrado en la mano ADAPT, incluyendo la retroalimentación sensorial (mediante la incorporación de sensores de presión a la piel de silicona) y la inteligencia artificial. Este enfoque sinérgico podría dar lugar a robots que combinen la robustez de la conformidad ante la incertidumbre con la precisión del control de bucle cerrado. “Una mejor comprensión de las ventajas de los robots compatibles podría mejorar enormemente la integración de los sistemas robóticos en entornos altamente impredecibles o en entornos diseñados para humanos”, resume Junge. Referencias Junge, K., Hughes, J. La compatibilidad biomimética distribuida espacialmente permite una manipulación robótica antropomórfica robusta. Commun Eng 4, 76 (2025). https://doi.org/10.1038/s44172-025-00407-4 EPFL News. C. L. Traducido al español

Leer más »
mayo 14, 2025

La IA se apodera del RSAC 2025: las tendencias de seguridad de las telecomunicaciones que debes conocer

La Conferencia RSAC 2025 ya pasó, pero el impacto de los debates de este año sobre seguridad en las telecomunicaciones sin duda perdurará. Desde perspectivas innovadoras hasta las últimas tendencias, algo quedó meridianamente claro: la IA ya no es solo una palabra de moda. Es el futuro de la seguridad en las telecomunicaciones, y está sucediendo ahora mismo. Inteligencia artificial agente: el futuro de la seguridad autónoma Uno de los temas más debatidos en RSAC 2025 fue la IA agéntica, un tipo de IA capaz de tomar decisiones autónomas en tiempo real sin intervención humana. Los proveedores presentes en el evento demostraron cómo la IA agéntica podía detectar amenazas, responder automáticamente a incidentes y adaptarse a las técnicas de ataque en constante evolución. La IA como activo estratégico: por qué las telecomunicaciones no pueden permitirse ignorarla Si bien el rol de la IA en la seguridad no es nuevo, RSAC 2025 dejó claro que los operadores de telecomunicaciones ya no pueden considerar la IA simplemente como una herramienta, sino como un activo estratégico. Sin embargo, las soluciones XDR tradicionales aún carecen de experiencia específica en telecomunicaciones, lo que deja una brecha en la eficacia de estas plataformas para abordar las demandas únicas del sector. Al integrar la IA en su arquitectura de seguridad, los operadores no solo automatizan tareas, sino que también preparan sus redes para el futuro. La IA generativa (GenAI), en particular, está redefiniendo las posibilidades de la detección proactiva de amenazas y se está convirtiendo rápidamente en un pilar de la defensa de telecomunicaciones de próxima generación. La IA generativa permite a los analistas consultar datos complejos en lenguaje natural, lo que mejora la comprensión de los indicadores de compromiso, la gravedad de las amenazas y la estrategia general de seguridad. La IA generativa también puede generar reglas de detección, guías de mitigación y políticas específicas para telecomunicaciones, alineadas con los requisitos regulatorios, para que el científico de datos las revise, reduciendo así la dependencia de procesos manuales. Además, puede procesar inteligencia de amenazas externa y combinarla con la telemetría de red para identificar posibles patrones de ataque y recomendar mitigaciones.  Por qué la detección es más importante que nunca en la seguridad de las telecomunicaciones Si bien la IA continúa desempeñando un papel cada vez más importante en la detección de amenazas, los recientes acontecimientos globales están presionando aún más a los operadores de telecomunicaciones para que refuercen sus líneas de frente, empezando por la visibilidad. Eventos recientes, como la actividad atribuida al grupo de amenazas Salt Typhoon y el ciberataque que afectó a Corea del Sur, han sido un claro recordatorio de la vulnerabilidad de las redes sin una detección adecuada. A medida que los ataques se vuelven más avanzados, los operadores están acelerando la implementación de sistemas de protección de las funciones de red para obtener observabilidad en tiempo real e identificar la actividad maliciosa antes de que se propague.  Estas herramientas son esenciales no solo para la monitorización en tiempo real, sino también para proteger las funciones de la red sin afectar los recursos críticos del sistema. Una sola brecha de seguridad puede minar la confianza del cliente y afectar gravemente la rentabilidad. Las soluciones EDR mejoradas con aprendizaje automático también son cada vez más comunes, utilizando análisis de comportamiento para detectar tráfico anómalo que, de otro modo, podría pasar desapercibido. La protección de endpoints de nivel telco es fundamental para mantenerse seguro en el panorama de amenazas actual. Dentro de la mentalidad del operador: Qué priorizan ahora los clientes de telecomunicaciones En todas mis conversaciones con clientes en RSAC 2025, un tema claro sobresalió: los operadores de telecomunicaciones buscan una estrategia de seguridad más proactiva. Este cambio se ve impulsado por la creciente complejidad de la infraestructura de telecomunicaciones, la seguridad fragmentada en las distintas capas de la red, la creciente presión regulatoria y los ataques basados ​​en IA dirigidos tanto a la infraestructura como a los datos de los suscriptores. En este entorno, las soluciones de proveedores aislados y las integraciones complejas ya no son sostenibles. Lo que los operadores necesitan es una arquitectura de seguridad por capas que elimine los silos de los proveedores y unifique la protección de endpoints, red y nube para ofrecer visibilidad integral y una respuesta más rápida y en tiempo real ante amenazas. El software, como el diseñado en Nokia, para entornos multiproveedor, multidominio y multinube ofrece a los operadores de telecomunicaciones la flexibilidad y el control que necesitan. ¿Qué sigue en materia de seguridad en las telecomunicaciones? Las conversaciones en RSAC 2025 dejaron algo claro: la seguridad de las telecomunicaciones está entrando en una nueva fase, impulsada por la IA, pero basada en la realidad de la protección de infraestructuras críticas. A medida que los operadores se enfrentan al aumento de ataques a redes siempre activas, la necesidad de monitorización 24/7, protección de las funciones de red, gestión de acceso privilegiado y búsqueda proactiva de amenazas nunca ha sido mayor.  La mayoría de los CSP aún se encuentran en las primeras etapas de la automatización del SOC, y la confianza debe construirse con el tiempo. La oportunidad reside en desarrollar soluciones basadas en IA que sean seguras, escalables e interoperables. Al adoptar la IA agente y mantenerse alerta, los operadores de telecomunicaciones pueden construir un futuro más resiliente y mantenerse a la vanguardia en un panorama de amenazas cada vez más complejo. En conclusión, la revolución de la IA en la seguridad de las telecomunicaciones ya está aquí. RSAC 2025 marcó un momento crucial para la seguridad de las telecomunicaciones, ya que la IA cobró protagonismo. Los operadores dispuestos a adoptar estas tecnologías y adaptarse al cambiante panorama de seguridad estarán mejor preparados para afrontar la próxima generación de ciberamenazas. El futuro es claro, y la IA no es solo una herramienta; es la columna vertebral de la seguridad de las telecomunicaciones. Lea más sobre por qué las telecomunicaciones necesitan una defensa de IA proactiva aquí . NOKIA Blog. V. D. Traducido al español

Leer más »
mayo 14, 2025

5 formas en que la IA está cambiando la atención médica

A medida que se utilizan nuevas herramientas de IA en la atención médica, los médicos dedican más tiempo a observar a sus pacientes en lugar de a las pantallas de las computadoras. Los investigadores interpretan las imágenes médicas con mayor rapidez y precisión. Los programadores de quirófanos realizan más cirugías que salvan vidas.   Con estos primeros avances, los médicos, administradores, investigadores y desarrolladores dicen que ya están viendo el impacto positivo de la IA con innovaciones en la forma en que abordan la atención al paciente, manejan tareas administrativas y se coordinan con los equipos de atención.  «Esta es una tecnología que abarca todos los aspectos de nuestro negocio», afirma Eric Shelley, vicepresidente de análisis y soluciones digitales de Northwestern Medicine.  A continuación se presentan cinco formas en las que la IA está transformando la atención médica, desde la oficina comercial hasta la sala de exámenes.  Mejorando paciente visitas y reduciendo médico agotamiento AI herramientas son personalización oficina visitas, dice Dr. Jorge Scheirer, a médico y el jefe médico información oficial en Calle. De Lucas Universidad Salud Red en Pensilvania. Él y su colegas usar Microsoft Dragón Copiloto, el cuidado de la salud de la industria primero unificado voz AI asistente, a enfocar completamente en pacientes bastante que computadora pantallas.   Scheirer poder consulta gráficos adelante de equipo para perspectivas y recordatorios, y entonces el sistema de forma segura archivos, transcribe y resume — a veces atractivo pertinente comentarios él no había escuchó. Él tirones arriba cualquier salud archivos o examinado médico recursos él pregunta para, ayuda encontrar el bien médico códigos, y damas después de la visita notas y referencias para a él a prueba y firmar.   «Es misterioso cómo bien a trabajo él hace,» Scheirer dice.   Dragón Copiloto tiempo ahorros también aliviar médico agotamiento, él dice. Scheirer a menudo trabajó hasta 10:30 p.m a completo regulador documentación. Ahora pacientes conseguir su después de la visita notas antes, y Él es hogar en tiempo para cena con su esposa.   Hablando a médico imágenes para más rápido diagnósticos Investigadores son pruebas nuevo herramientas eso puede ayuda a ellos identificar tumores y enfermedades. Providencia, el Universidad de Washington y Microsoft desarrollado multimodal AI modelos eso puede ser capaz a ayuda investigadores interpretar médico imágenes y respuesta preguntas acerca de él en natural idioma.   GigaPath puntos de sutura todo el diminuto detalles en microscópico diapositivas juntos en uno completo imagen, a diferencia de tradicional herramientas eso enfocar en soltero secciones. Eso podría ayuda con más temprano enfermedad detección y más personalizado tratos.   Análisis biomédico análisis todo tipos de médico escaneos a detectar y identificar anormalidades — incluso punteo cosas humano ojos extrañar — y respuesta preguntas acerca de destacado áreas. Eso podría ayuda velocidad arriba el diagnóstico proceso y hacer él más preciso.   «Estos tecnologías poner a nosotros en el camino a a futuro dónde visión se convierte parte de el inteligencia nosotros tener,» dice Dr. Carlos Bifulco, jefe médico oficial en Providencia Genómica en Oregón. Con AI charlar capacidades, «tú literalmente voluntad tener conversaciones con el médico imágenes.”   Siempre que ‘limpio datos’ para más inteligente hospital decisiones Mañana grupos son ahora más informado, como todos de operante habitación coordinadores a farmacia gerentes usos a diario datos informes a proporcionar mejor, más eficiente cuidado de la salud al otro lado de Noroeste Medicamentos 11 hospitales en y alrededor Chicago.   Acerca de 400 Fuerza BI datos visualización informes alojado en el Microsoft Tela plataforma proporcionar «a instantánea de el estado de el salud sistema,» dice Eric Shelley, del noroeste vicio presidente de analítica y digital soluciones. Ellos pista emergencia visitas, programado cirugías y paciente equipo a ayuda asignar recursos.   Tela colecciona datos en uno seguro lugar, de cualquier software el de la organización varios grupos podría ser usando, y proporciona a compartido espacio de trabajo entonces del noroeste datos equipos poder administrar él para exactitud. El «limpio datos» da más confianza a hospital trabajadores y permite a ellos a usar AI programas a pantalla informes acerca de todo de medicamento dosificación errores a seguridad incidentes, ración priorizar respuestas y monitor tendencias, Shelley dice. Punteo patrones a fósforo pacientes con tratos y ensayos Integrando AI con médico investigación y clínico práctica poder hacer cuidado de la salud más eficaz, mejorando resultados y reduciendo costos, dice Jonathan Carlson, vicio presidente y gerente director de Microsoft Salud Futuros. Impulsado por IA investigación es conduciendo progreso en precisión medicamento y personalizado tratamiento planes, Carlson dice. AI herramientas poder clasificar a través de montículos de datos más rápido que entero equipos de investigadores podría, punteo patrones y haciendo basado en datos predicciones. Eso información poder ayuda médicos fósforo pacientes con el bien clínico ensayos más rápido, para ejemplo, o encontrar existente medicamentos probable a trabajar en específico tumor mutaciones.   «Nosotros poder usar este cada vez más holístico imagen de a paciente ambos a ayuda el médico razón acerca de, ‘Ey, qué el próximo cosa I debería hacer a entender este ¿paciente?’» Carlson dice, «y entonces, ‘Cómo hacer I comparar eso paciente con el población y tener a mejor idea de qué de hecho yendo a ¿trabajar?’»   Donación nuevo herramientas a cuidado de la salud desarrolladores y innovadores Evaluando a del paciente salud requiere más que médico texto comprensión. Eso es dónde AI modelos poder ayuda, por integrando y analizando datos fuentes al otro lado de modalidades semejante como imágenes, video y audio.   Microsoft de Azure multimodal médico imágenes base modelos permitir cuidado de la salud organizaciones a construir AI herramientas específico a su necesidades. Estos modelos, desarrollado en colaboración con Microsoft Investigación y estratégico fogonadura, reducir el extenso computación y datos requisitos típicamente involucrado en creando herramientas de rascar.   El RAD-DINO modelo, para ejemplo, conversos pecho rayos X en digital formatos eso poder ser procesado y organizado a ayuda mejor identificar enfermedades. MedImageInsight ayuda clasificar y clasificar médico imágenes, y MedImageParse-3D ayuda analizar y interpretar resonancias magnéticas y Connecticut escaneos. El ECG-FM modelo detecta patrones en electrocardiogramas y HistAI ayuda con tareas identificar el órgano a muestra vino de y si es saludable o enfermo. Microsoft Blog. S. R. Traducido al español

Leer más »
mayo 11, 2025

Cinco cosas inteligentes que pueden hacer las computadoras con IA

Descubra cómo las PC con IA revolucionan las tareas cotidianas, mejorando la seguridad, impulsando la creatividad, transformando las experiencias de juego y personalizando la educación. En los últimos dos años, Intel lanzó sus primeras «PC con IA», anunciando el inicio de una nueva era en la informática personal. Estas nuevas PC ofrecen rendimiento y eficiencia mejorados por IA, además de nuevas herramientas que los usuarios pueden aprovechar. Impulsadas por la arquitectura híbrida x86 de alto rendimiento de Intel, estos dispositivos rediseñados han impulsado un mercado completamente nuevo y se convertirán rápidamente en el estándar para las nuevas PC en los próximos años. La transición a las PC con IA es más que una simple moda; es el próximo gran cambio de plataforma, comparable a la evolución de mainframes a PC o de computadoras de escritorio a dispositivos móviles. Las PC con IA ofrecen IA generativa y aprendizaje automático en tiempo real directamente en el dispositivo, en lugar de depender de una conexión a la nube. Representan un cambio transformador en la informática, ofreciendo potentes capacidades de IA directamente a usuarios y empresas. Con su ecosistema integral, su sólida compatibilidad de software y su enfoque innovador para integrar capacidades de IA, Intel está en una posición única para liderar el camino hacia esta nueva era de PC con IA. Desde salas de juntas y dormitorios hasta mesas de cocina y consolas de videojuegos, los usuarios de PC con IA de todo el mundo están experimentando el nacimiento de la generación de la IA. Sin embargo, muchos consumidores aún desconocen las ventajas que ofrece ejecutar la IA localmente en un PC. Automatización  de tareas digitales:  Según una  encuesta reciente de Intel , perdemos casi 15 horas semanales en tareas digitales como redactar correos electrónicos y buscar archivos en nuestras PC. Por lo tanto, en términos de productividad, las PC con IA son revolucionarias. La IA puede ayudar con tareas rutinarias como organizar correos electrónicos, programar reuniones y tomar notas. Automatizar estas y otras tareas que consumen mucho tiempo puede ayudarnos a concentrarnos en aspectos más importantes de nuestro trabajo y aumentar la productividad. Una PC con IA es como tener un asistente personal que nunca duerme; siempre está listo para ayudarte a hacer las cosas. Seguridad reforzada:  En la era digital, la seguridad es más importante que nunca, y las PC con IA aprovechan las últimas funciones de seguridad para proteger tus datos y privacidad.  McAfee Deepfake Detector  utiliza modelos avanzados de detección de IA para identificar el audio generado por IA en los vídeos, lo que ayuda a garantizar la autenticidad del contenido que consumes y compartes. Resulta especialmente útil en una era de desinformación y noticias falsas descontroladas. McAfee, en colaboración con Intel, aprovecha la unidad de procesamiento neuronal (NPU) del procesador Intel® Core™ Ultra para realizar localmente la inferencia de modelos de IA. Este procesamiento en el dispositivo mejora la privacidad al eliminar la necesidad de enviar datos confidenciales a la nube. Esta colaboración ofrece un aumento del rendimiento y una mayor duración de la batería. Impulsando la creatividad:  Creo que uno de los aspectos más emocionantes de una PC con IA es que sirve como herramienta para empoderar a los profesionales creativos mientras revolucionan la creación de contenido. Hay muchos ejemplos. Al aprovechar la IA en  DaVinci Resolve , los editores pueden usar audio transcrito con IA para encontrar oradores y editar clips de la línea de tiempo; los coloristas pueden usar el efecto Film Look Creator para emular procesos de película fotométrica; y la IA también puede usarse para rastrear el movimiento y panear el audio. Cyberlink Promeo  es un estudio creativo de IA para profesionales del marketing digital y vendedores online, que lo utilizan para crear fotos, contenido promocional, plantillas, fondos personalizados y vídeos. Con funciones como AI Magic Designer y AI Cowriter, las sencillas indicaciones de texto generan diseños y textos editables en segundos, sin importar el nivel de experiencia. Esto abre infinitas posibilidades para artistas, cineastas y creadores de contenidos, permitiéndoles producir trabajos de alta calidad en una fracción del tiempo. Optimización de juegos:  Para los jugadores, una PC con IA puede ofrecer un nivel completamente nuevo de rendimiento e inmersión. Los algoritmos de IA pueden optimizar el rendimiento de los fotogramas por segundo (FPS), garantizando experiencias más fluidas y con mayor capacidad de respuesta. Intel X e  Super Sampling Super Resolution  (X e SS-SR) es una tecnología de escalado compatible con las unidades de procesamiento gráfico (GPU) Intel® Arc™ que utiliza aprendizaje profundo con IA para aumentar la velocidad de fotogramas, manteniendo la fidelidad de imagen. Es ideal para desarrolladores de juegos que desean ofrecer a sus clientes un mayor rendimiento. Además, como parte de X e SS 2, X e SS Frame Generation (X e SS-FG) habilita la tecnología de interpolación de fotogramas basada en IA compatible con las GPU Intel Arc. X e SS-FG utiliza aprendizaje profundo para aumentar la fluidez mediante la generación de fotogramas adicionales. Ya sea que estés recorriendo vastos mundos abiertos solo o participando en intensas batallas multijugador en línea, jugar en una PC con IA con tecnologías Intel X e SS y gráficos Intel Arc puede mejorar tus experiencias de juego. Educación personalizada:  Uno de los usos menos conocidos, pero increíblemente atractivos, de una PC con IA es el aprendizaje personalizado.  Khanmigo  de Khan Academy utiliza procesadores Intel Core Ultra para analizar los estilos y preferencias de aprendizaje, adaptando el contenido educativo a las necesidades de cada estudiante. Ya sea estudiando para un examen, aprendiendo un nuevo idioma o adquiriendo una nueva habilidad, la IA puede proporcionar recursos y recomendaciones personalizados para guiar a los estudiantes hacia un mayor éxito. Imagínate tener un tutor o coach de guardia que comprende tus fortalezas y debilidades y te ofrece ejercicios y retroalimentación específicos para mejorar tu comprensión. Una computadora con IA puede ayudarte a tomar el control de tu educación y alcanzar tus objetivos de forma más eficiente. Este enfoque personalizado del aprendizaje no solo puede ser más efectivo, sino que también hace que el proceso sea más ameno y atractivo. Las PC con IA son más que simples máquinas potentes. Son herramientas versátiles que pueden mejorar

Leer más »
mayo 10, 2025

Prevención de incendios forestales: las empresas emergentes de inteligencia artificial apoyan las quemas prescritas y las alertas tempranas

La inteligencia artificial ayuda a identificar y tratar enfermedades con mayor rapidez y mejores resultados para la humanidad. Los desastres naturales, como los incendios forestales, son el próximo paso. Los incendios en el área de Los Ángeles han arrasado con más de 16.000 viviendas y otras estructuras en lo que va de año. Los daños en enero se estimaron en 164.000 millones de dólares, lo que lo convierte potencialmente en el peor desastre natural en términos financieros en la historia de Estados Unidos, según Bloomberg. Según se informa, en los últimos meses el Departamento de Agricultura y el Servicio Forestal de Estados Unidos han estado redirigiendo recursos hacia incendios beneficiosos para reducir el crecimiento excesivo. La IA permite a los departamentos de bomberos vigilar mejor las quemas controladas, haciéndolas más seguras y más aceptadas en las comunidades, afirman los expertos de la industria. “Esto es como un tratamiento contra el cáncer”, afirmó Sonia Kastner, directora ejecutiva y fundadora de Pano AI, con sede en San Francisco. “Se puede realizar una detección temprana, detectarlo en la fase uno y aplicarle un tratamiento muy agresivo para que no progrese. Lo que hemos visto esta temporada de incendios demuestra que nuestros clientes de todo el país utilizan nuestra solución de esta manera”. Green Grid, con sede en San Ramón, California, especializada en inteligencia artificial para empresas de servicios públicos, alertó en septiembre a su cliente en un resort de Big Bear sobre la proximidad de un incendio en el Bosque Nacional de San Bernardino, según Chinmoy Saha, director ejecutivo de la compañía. Gracias a la anticipación, el cliente del resort pudo prepararse para las medidas de extinción necesarias antes de que el incendio alcanzara su alcance y se volviera incontrolable, añadió. Gracias a las condiciones climáticas favorables, el incendio no alcanzó el territorio del cliente. En los recientes incendios en el área de Los Ángeles, Saha dijo que había estado en conversaciones con un cliente que buscaba llevar inteligencia artificial a las cámaras ubicadas en el lugar del ahora devastado incendio de Eaton que se ha cobrado 17 vidas y más de 9.000 edificios. “Si hubiéramos tenido nuestro sistema allí, este incendio podría haberse mitigado”, dijo Saha. “La detección temprana es clave para contener el incendio y evitar que se convierta en un incendio forestal catastrófico”. Ayudando a los socorristas con computación acelerada El servicio de Pano proporciona detección de incendios y alertas impulsadas por inteligencia artificial con intervención humana que han permitido a los departamentos de bomberos actuar más rápido que con las llamadas al 911, acelerando los esfuerzos de contención, dijo Kastner. La Estación Pano de la compañía utiliza dos cámaras de ultraalta definición montadas en la cima de montañas, como si fueran una torre de telefonía móvil, que giran 360 grados cada minuto para capturar vistas a 16 kilómetros en todas direcciones. Estas imágenes se transmiten a la nube cada minuto, donde modelos de IA, ejecutados en GPU, realizan inferencias para la detección de humo. Pano cuenta con un modelo de detección de humo diurno y un modelo de infrarrojo cercano nocturno que busca humo, así como un modelo satelital geoestacionario nocturno. Cuenta con un operador para verificar las detecciones, lo cual puede confirmarse mediante zoom digital e imágenes time-lapse. Se entrena en las GPU NVIDIA localmente y ejecuta inferencias en las GPU NVIDIA en la nube. Aprovechar la IA para quemas controladas El Departamento de Silvicultura y Protección contra Incendios de California (CAL FIRE) está llevando a cabo incendios prescritos, o quemas controladas, para reducir la vegetación seca que crea combustible para los incendios forestales. “Las quemas controladas son necesarias, y no hicimos un buen trabajo en California durante los últimos 30 o 40 años”, dijo Saha. Green Grid ha desplegado sus sensores de cámara con IA montados en remolques para monitorear incendios y controlar las quemas antes de que se descontrolen. Los departamentos de bomberos pueden utilizar Pano para monitorear zonas de quema controlada con sus cámaras controladas por IA para asegurarse de que no aparezcan columnas de humo fuera de la zona permitida, manteniendo así la seguridad. La compañía tiene sus cámaras estacionadas en Rancho Palos Verdes, al sur de los recientes incendios en el área de Los Ángeles. “El área alrededor del incendio de Palisades era un bosque muy descuidado y con muchos combustibles muertos, por lo que nuestra esperanza es que se preste más atención a los incendios prescritos”, dijo Kastner. Adopción de IA en los departamentos de bomberos para una mitigación más rápida CAL FIRE se ha asociado con Alert California y UC San Diego para crear una red de cámaras propiedad de empresas de servicios públicos propiedad de inversores, CAL FIRE, el Servicio Forestal de EE. UU. y otras agencias del Departamento del Interior de EE. UU. A través de esa red, han implementado un programa de IA que busca nuevos incendios. Realiza un seguimiento cada dos minutos y se actualiza continuamente, y Alert California cuenta con la información más actualizada de esta red. Si la IA permite a los bomberos llegar al lugar de un incendio cuando este abarca solo unas pocas hectáreas, es mucho más fácil controlarlo que si se trata de 50 hectáreas o más, afirmó David Acuña, jefe de batallón de CAL FIRE en Clovis, California. Esto es especialmente importante en zonas remotas, donde puede tardar horas en que una persona detecte y reporte un incendio, añadió. “Usan IA para determinar si esto parece un nuevo comienzo”, dijo Acuña. “La clave es que el programa enviará un correo electrónico al centro de comando de emergencia correspondiente: ‘Oye, creo que hemos detectado un nuevo comienzo, ¿qué te parece?’. Y esto debe ser verificado por un humano”. NVIDIA Blog. S. M. Traducido al español

Leer más »
mayo 9, 2025

Un laboratorio de marcha innovador en un zapato

Diseñado por bioingenieros de Johns Hopkins, Re-Kinesis fue nombrado finalista en el Desafío de Start-Up 2025 del Instituto Nacional sobre el Envejecimiento, que reconoce a los investigadores que han creado tecnologías innovadoras con el potencial de avanzar en intervenciones para enfermedades relacionadas con la edad. La marcha de una persona, o su forma de estar de pie y caminar, puede revelar información valiosa sobre su salud. En pacientes mayores, especialmente, estas métricas son importantes, ya que pueden ayudar a los médicos a supervisar la rehabilitación de accidentes cerebrovasculares o a evaluar el riesgo de demencia. Sin embargo, obtener una visión completa de la marcha de un paciente —no solo su cadencia de paso y distribución del peso, sino también la cinemática de las extremidades inferiores— requiere costosos análisis de laboratorio y meses de laboriosas pruebas presenciales. La carga tanto para los pacientes como para los médicos es inmensa. Junjen Chen, Engr ’20, ’24 (MS), egresado recientemente del programa de maestría en ingeniería biomédica de la Universidad Johns Hopkins, y Anway Pimpalkar , quien obtendrá su maestría en ingeniería biomédica a finales de este mes, lideran un equipo que apunta a hacer que el análisis de la marcha sea tan simple como ponerse los zapatos. Chen y Pimpalkar cofundaron Re-Kinesis, un sensor de pie portátil que recopila métricas integrales de la marcha de sus usuarios. El producto fue nombrado finalista en el 2025 Start-Up Challenge del Instituto Nacional sobre el Envejecimiento , que reconoce a investigadores y emprendedores que han creado tecnologías innovadoras basadas en la ciencia con el potencial de avanzar en los campos del envejecimiento y las intervenciones para enfermedades relacionadas con la edad. El NIA nos ha asignado mentores emprendedores y clínicos que nos ayudarán a alcanzar nuestras metas. En definitiva, depende de nosotros aprovechar al máximo estas conexiones y recursos.Anway PimpalkarClase de 2025Junto con Chen y Pimpalkar, el equipo de Re-Kinesis incluye a los mentores técnicos Nitish Thakor , Ariel Slepyan y Samuel Bello ; los mentores clínicos Preeti Raghavan , Ryan Roemmich y Jennifer Schrack ; y los mentores industriales y comerciales Rahul Kaliki , Christina DeMur y Jason Troutner . Chen y Pimpalkar se conocieron cuando ambos trabajaban como ayudantes de cátedra en el curso de Principios de Diseño de Instrumentación Biomédica de Thakor. Allí, conocieron a uno de los estudiantes de Thakor, el estudiante de doctorado Ariel Slepyan, experto en ingeniería eléctrica que había diseñado sensores táctiles de alta resolución y velocidad. Preguntándose cómo podrían aplicar estos sensores en la práctica, conocieron a Raghavan, médico especialista en rehabilitación de accidentes cerebrovasculares, quien los inspiró a hacer más accesible la evaluación de la marcha. O, como lo expresó Pimpalkar: «¿Qué pasaría si tomáramos todo el laboratorio y lo redujéramos al tamaño de tu zapato?» Normalmente, las evaluaciones de la marcha requieren que los pacientes usen una cinta de correr en una sala grande equipada con cámaras en todos los lados. Si bien los datos recopilados en laboratorios especializados son precisos, médicos y pacientes rara vez tienen acceso a ellos debido a los altos costos, la complejidad y la dificultad para programar citas. Por lo tanto, datos similares recopilados por los sensores Re-Kinesis —un laboratorio de marcha portátil que los pacientes pueden usar fácilmente fuera de la clínica— suponen un cambio radical. «Básicamente, democratiza la detección de la marcha para las poblaciones mayores y económicamente desfavorecidas y desatendidas y subrepresentadas», afirma Chen. Con el apoyo de la Fundación Nacional de Ciencias (NIA) I-Corp y Johns Hopkins Technology Ventures , el equipo de Re-Kinesis logró desarrollar un producto galardonado. Fueron seleccionados junto con otros 20 finalistas de un grupo de aproximadamente 300 solicitantes y recibieron $10,000 para continuar desarrollando sus plantillas. Todos los finalistas también participarán en un programa de aceleración de verano en el NIA, donde trabajarán en el perfeccionamiento de sus productos y su lanzamiento al mercado. Identificador gráfico «La investigación salva vidas»Más coberturaEl impacto de los recortes de financiaciónSin investigación —y el apoyo federal que la hace posible— los avances científicos se ven afectados y los tratamientos que salvarían vidas en el futuro están en riesgo. «El NIA nos ha asignado mentores emprendedores y clínicos que nos ayudarán a alcanzar nuestras metas. En definitiva, depende de nosotros aprovechar al máximo estas conexiones y recursos», afirma Pimpalkar. «Independientemente de si ganamos el gran premio, será una experiencia fructífera para nosotros y para todos los demás miembros del equipo». Mientras tanto, el equipo está desarrollando una interfaz intuitiva para que médicos y pacientes puedan consultar los datos recopilados de las plantillas. También están entrevistando a clientes potenciales, desde hospitales de la zona hasta la división de medicina deportiva de la Academia Militar de EE. UU. «Ha sido una trayectoria extraordinaria», afirma Chen. «Nos llevó años construir Re-Kinesis desde cero y finalmente estamos cobrando impulso. Nos entusiasma seguir impulsando Re-Kinesis con un equipo tan excelente y lograr un impacto aún mayor». Universidad Johns Hopkins News. Traducido al español

Leer más »
mayo 9, 2025

El sistema permite a los robots identificar las propiedades de un objeto mediante su manipulación.

Con un novedoso método de simulación, los robots pueden adivinar el peso, la suavidad y otras propiedades físicas de un objeto simplemente recogiéndolo. Una persona que saca trastos de un ático a menudo puede adivinar el contenido de una caja con solo levantarla y sacudirla, sin necesidad de ver qué hay dentro. Investigadores del MIT, Amazon Robotics y la Universidad de Columbia Británica han enseñado a robots a hacer algo similar. Desarrollaron una técnica que permite a los robots usar únicamente sensores internos para conocer el peso, la suavidad o el contenido de un objeto al levantarlo y sacudirlo suavemente. Con este método, que no requiere herramientas de medición externas ni cámaras, el robot puede calcular con precisión parámetros como la masa de un objeto en cuestión de segundos. Esta técnica de bajo costo podría ser especialmente útil en aplicaciones donde las cámaras podrían ser menos efectivas, como clasificar objetos en un sótano oscuro o limpiar escombros dentro de un edificio que se derrumbó parcialmente después de un terremoto. La clave de su enfoque es un proceso de simulación que incorpora modelos del robot y del objeto para identificar rápidamente las características de ese objeto a medida que el robot interactúa con él.  La técnica de los investigadores es tan eficaz para estimar la masa de un objeto como otros métodos más complejos y costosos que incorporan visión artificial. Además, su enfoque, eficiente en el uso de datos, es lo suficientemente robusto como para abordar diversos escenarios imprevistos. “Esta idea es general, y creo que apenas estamos explorando lo que un robot puede aprender de esta manera. Mi sueño sería que los robots salieran al mundo, tocaran y movieran objetos en su entorno, y descubrieran por sí solos las propiedades de todo aquello con lo que interactúan”, afirma Peter Yichen Chen, investigador posdoctoral del MIT y autor principal de un artículo sobre esta técnica . Entre sus coautores se encuentran su colega posdoctoral del MIT, Chao Liu; el doctorado Pingchuan Ma (promoción de 2025); el máster en Ingeniería (promoción de 2024) y Dylan Randle y Yuri Ivanov, de Amazon Robotics; los profesores de ingeniería eléctrica e informática del MIT, Daniela Rus, quien dirige el Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT; y Wojciech Matusik, quien dirige el Grupo de Diseño y Fabricación Computacional del CSAIL. La investigación se presentará en la Conferencia Internacional sobre Robótica y Automatización. Detección de señales El método de los investigadores aprovecha la propiocepción, que es la capacidad de un humano o un robot de detectar su movimiento o posición en el espacio. Por ejemplo, una persona que levanta una mancuerna en el gimnasio puede sentir su peso en la muñeca y el bíceps, incluso si la sostiene en la mano. De la misma manera, un robot puede sentir el peso de un objeto a través de las múltiples articulaciones de su brazo. «Un humano no tiene mediciones superprecisas de los ángulos articulares de los dedos ni de la cantidad exacta de torque que aplicamos a un objeto, pero un robot sí. Aprovechamos estas capacidades», afirma Liu. Cuando el robot levanta un objeto, el sistema de los investigadores recoge señales de los codificadores articulares del robot, que son sensores que detectan la posición de rotación y la velocidad de sus articulaciones durante el movimiento.  La mayoría de los robots cuentan con codificadores articulares dentro de los motores que impulsan sus partes móviles, añade Liu. Esto hace que su técnica sea más rentable que otros enfoques, ya que no requiere componentes adicionales como sensores táctiles o sistemas de seguimiento visual. Para estimar las propiedades de un objeto durante las interacciones robot-objeto, su sistema se basa en dos modelos: uno que simula el robot y su movimiento y otro que simula la dinámica del objeto. “Tener un gemelo digital preciso del mundo real es realmente importante para el éxito de nuestro método”, añade Chen. Su algoritmo “observa” el movimiento del robot y del objeto durante una interacción física y utiliza datos del codificador conjunto para trabajar al revés e identificar las propiedades del objeto. Por ejemplo, un objeto más pesado se moverá más lento que uno liviano si el robot aplica la misma cantidad de fuerza. Simulaciones diferenciables Utilizan una técnica llamada simulación diferenciable, que permite al algoritmo predecir cómo pequeños cambios en las propiedades de un objeto, como la masa o la suavidad, afectan la posición final de la articulación del robot. Los investigadores crearon sus simulaciones utilizando la biblioteca Warp de NVIDIA, una herramienta de desarrollo de código abierto compatible con simulaciones diferenciables. Una vez que la simulación diferenciable coincide con los movimientos reales del robot, el sistema ha identificado la propiedad correcta. El algoritmo puede hacerlo en cuestión de segundos y solo necesita observar una trayectoria real del robot en movimiento para realizar los cálculos. “Técnicamente, siempre que conozcas el modelo del objeto y cómo el robot puede aplicar fuerza a ese objeto, deberías poder determinar el parámetro que quieres identificar”, dice Liu. Los investigadores utilizaron su método para conocer la masa y la suavidad de un objeto, pero su técnica también podría determinar propiedades como el momento de inercia o la viscosidad de un fluido dentro de un recipiente. Además, debido a que su algoritmo no necesita un amplio conjunto de datos para entrenamiento como algunos métodos que dependen de visión por computadora o sensores externos, no sería tan susceptible a fallas cuando se enfrenta a entornos invisibles u objetos nuevos. En el futuro, los investigadores quieren intentar combinar su método con la visión por computadora para crear una técnica de detección multimodal aún más potente. Este trabajo no pretende sustituir la visión artificial. Ambos métodos tienen sus ventajas y desventajas. Pero aquí hemos demostrado que, sin una cámara, ya podemos determinar algunas de estas propiedades, afirma Chen. También quieren explorar aplicaciones con sistemas robóticos más complicados, como robots blandos, y objetos más complejos, incluidos líquidos en movimiento o medios granulares como arena. A largo plazo, esperan aplicar esta técnica

Leer más »
mayo 9, 2025

Uso de IA para explorar la estructura 3D del genoma

Dos metros de ADN se concentran en el núcleo de cada célula humana. Bin Zhang quiere saber cómo funciona la expresión génica en este minúsculo espacio. Dentro de cada célula humana se encuentran 2 metros de ADN comprimidos en un núcleo cuyo diámetro es de apenas una centésima de milímetro. Para caber en ese diminuto espacio, el genoma debe plegarse formando una estructura compleja llamada cromatina, compuesta de ADN y proteínas. La estructura de dicha cromatina, a su vez, ayuda a determinar cuáles genes se expresarán en una célula determinada. Las neuronas, las células cutáneas y las células inmunitarias expresan genes diferentes según cuáles sean accesibles para su transcripción. Descifrar estas estructuras experimentalmente es un proceso laborioso, lo que dificulta la comparación de las estructuras genómicas tridimensionales presentes en diferentes tipos de células. El profesor Bin Zhang del MIT está adoptando un enfoque computacional para abordar este desafío, utilizando simulaciones por computadora e inteligencia artificial generativa para determinar estas estructuras. “La regulación de la expresión genética depende de la estructura tridimensional del genoma, por lo que la esperanza es que si podemos comprender plenamente esas estructuras, podremos comprender de dónde proviene esta diversidad celular”, afirma Zhang, profesor asociado de química. De la granja al laboratorio Zhang se interesó por primera vez en la química cuando su hermano, que era cuatro años mayor, compró algunos equipos de laboratorio y comenzó a realizar experimentos en casa. Traía tubos de ensayo y reactivos a casa y hacía el experimento allí. En aquel entonces no tenía ni idea de lo que hacía, pero me fascinaban los colores brillantes, el humo y los olores que emanaban de las reacciones. Eso me cautivó muchísimo, dice Zhang. Su hermano se convirtió más tarde en la primera persona de la aldea rural de Zhang en ir a la universidad. Esa fue la primera vez que Zhang intuyó que podría tener un futuro diferente al de seguir los pasos de sus padres, agricultores de la provincia china de Anhui. “De niño, nunca me habría imaginado dedicarme a la ciencia ni trabajar como profesor en Estados Unidos”, dice Zhang. “Cuando mi hermano fue a la universidad, eso realmente abrió mi perspectiva y me di cuenta de que no tenía que seguir el camino de mis padres y convertirme en agricultor. Eso me llevó a pensar que podía ir a la universidad y estudiar más química”. Zhang asistió a la Universidad de Ciencia y Tecnología de Hefei, China, donde se especializó en física química. Disfrutó de sus estudios y descubrió la química computacional y la investigación computacional, que se convirtieron en su nueva fascinación. “La química computacional combina la química con otras materias que me apasionan —matemáticas y física— y aporta rigor y razonamiento a las reglas, que de otro modo serían más empíricas”, afirma. “Podría usar la programación para resolver problemas de química interesantes y poner a prueba mis propias ideas rápidamente”. Tras graduarse de la universidad, decidió continuar sus estudios en Estados Unidos, donde recordaba haber considerado «la cumbre académica». En Caltech, trabajó con Thomas Miller, profesor de química que utilizaba métodos computacionales para comprender procesos moleculares como el plegamiento de proteínas. Para su investigación doctoral, Zhang estudió una proteína transmembrana que actúa como canal para permitir el paso de otras proteínas a través de la membrana celular. Esta proteína, llamada translocón, también puede abrir una compuerta lateral dentro de la membrana, de modo que las proteínas que deben estar incrustadas en ella puedan salir directamente a ella. «Es una proteína realmente extraordinaria, pero no estaba claro cómo funcionaba», dice Zhang. «Construí un modelo computacional para comprender los mecanismos moleculares que determinan las características moleculares que permiten que ciertas proteínas entren en la membrana, mientras que otras se secretan». Volviendo al genoma Tras finalizar sus estudios de posgrado, la investigación de Zhang se centró en el genoma y no en las proteínas. En la Universidad Rice, realizó un posdoctorado con Peter Wolynes, profesor de química que había realizado numerosos descubrimientos clave en la dinámica del plegamiento de proteínas. En la época en que Zhang se incorporó al laboratorio, Wolynes centró su atención en la estructura del genoma, y ​​Zhang decidió hacer lo mismo. A diferencia de las proteínas, que tienden a tener regiones altamente estructuradas que pueden estudiarse mediante cristalografía de rayos X o crio-EM, el ADN es una molécula muy globular que no se presta a ese tipo de análisis. Unos años antes, en 2009, investigadores del Instituto Broad, la Facultad de Medicina de la Universidad de Massachusetts, el MIT y la Universidad de Harvard desarrollaron una técnica para estudiar la estructura del genoma mediante la reticulación del ADN en el núcleo celular. Los investigadores pueden entonces determinar qué segmentos se encuentran cerca uno del otro fragmentando el ADN en muchos fragmentos diminutos y secuenciándolo. Zhang y Wolynes utilizaron datos generados por esta técnica,  conocida como Hi-C , para explorar la cuestión de si el ADN forma nudos cuando se condensa en el núcleo, de forma similar a cómo una tira de luces navideñas puede enredarse cuando se mete en una caja para guardarla. Si el ADN fuera como un polímero normal, cabría esperar que se enredara y formara nudos. Pero eso podría ser muy perjudicial para la biología, porque el genoma no permanece inactivo. Tiene que pasar por la división celular, y además toda esta maquinaria molecular tiene que interactuar con el genoma y transcribirlo en ARN, y la presencia de nudos crearía muchas barreras innecesarias, afirma Zhang. Descubrieron que, a diferencia de las luces de Navidad, el ADN no forma nudos ni siquiera cuando está empaquetado en el núcleo de la célula, y construyeron un modelo computacional que les permitió probar hipótesis sobre cómo el genoma es capaz de evitar esos enredos. Desde que se incorporó al profesorado del MIT en 2016, Zhang ha seguido desarrollando modelos del comportamiento del genoma en el espacio tridimensional mediante simulaciones de dinámica molecular. En un área de investigación, su laboratorio estudia cómo las diferencias entre las estructuras genómicas de las

Leer más »
mayo 8, 2025

El portal de
las tecnologías
para la innovación

Contacto

chubutdigital.it@gmail.com

CHUBUTDIGITAL® | © noviembre 2024.
Todos los derechos reservados.

Diseño web: Latini Design

Scroll al inicio